• NLP 中文拼写检测纠正 Paper
  摘要 本文介绍了SIGHAN 2015 拼写中文拼写检查，包括任务描述，数据准备， 绩效指标和评估结果。 比赛揭示了当前处理中文拼写检查的最新NLP技术。 所有此次测试中使用的带有黄金标准和评估工具的数据集可公开获取，以备将来研究之用。 介绍 中文拼写检查器相对较难开发，部分原因是中文单词之间不存在单词定界符，并且中文单词只能包含单个字符或多个字符。 此外，还有超过13,000个...
  2020-01-20 02:09:32 | Data-Struct
• NLP 英文拼写算法，如果提升 100W 倍的性能？
  SymSpell 算法 拼写更正和模糊搜索：通过对称删除拼写更正算法快 100 万倍 对称删除拼写校正算法降低了给定 Damerau-Levenshtein 距离的编辑候选生成和字典查找的复杂性。 它比删除 + 转置 + 替换 + 插入的标准方法快六个数量级，并且与语言无关。 与其他算法相反，只需要删除，不需要转置 + 替换 + 插入。输入术语的转置 + 替换 + 插入被转换为字典术...
  2020-01-20 02:09:32 | Data-Struct
• NLP 中文拼写检测纠正算法整理
  中文拼写纠正 最基本的思想，将所有的常见错别字整理为字典。 但是这个字典的数量实际上非常有限，所以还是要借助算法。 本文简单地讲解如何使用n-gram模型结合汉字拼音来作中文错别字纠错，然后介绍最短编辑距离在中文搜索纠错方面的应用； 最后从依赖树入手讲解如何作文本长距离纠错（语法纠错），并从该方法中得到一种启示，利用依赖树的特点结合ESA算法来做同义词的查找。 n-gram模型 ...
  2020-01-20 02:09:32 | Data-Struct
• NLP 中文形近字相似度计算思路
  汉字相似度的计算思路 汉字本身的结构非常的复杂，可以通过结构进行计算。 汉字的结构 相似度计算算法 实现方式 首先人工做基本的 level 相似度分组，然后在这个基础之上，进行全自动识别。 汉字的形式化描述 汉字部件 在国家颁发的 GB13000.1字符集汉字部首归部规范 ， 列出了20902 个汉字的部件表 ， 对这些汉字进行了逐个拆分 。 从 中选定了5...
  2020-01-20 02:09:32 | NLP
• java 如何计算两个汉字的相似度？如何获得一个汉字的相似汉字？
  计算汉字相似度 情景 有时候我们希望计算两个汉字的相似度，比如文本的 OCR 等场景。用于识别纠正。 实现 引入 maven <dependency> <groupId>com.github.houbb</groupId> <artifactId>nlp-hanzi-similar</artifactId>...
  2020-01-20 02:09:32 | NLP
• NLP 中文人名印章生成
  基本功能要求 类型 阴刻 阳刻 字体 可以指定不同的字体 结果 自动生成一张图片，最后背景透明。 基本技术 图片的处理 当然实现比较繁琐，可以直接参考已有的实现。 字体，水印。 容易操作性 结合基本的 jar，生成一个简单易用的页面。 拓展阅读 图片处理工具-thumbnailator 参考文章 印章生成工具：使用Java Graphics2D生成各类圆形/...
  2020-01-20 02:09:32 | NLP
• NLP 中文人名打分的实现思路
  个人理解 一个好的名字，某种程度上要有历史文化气息。 好名字 五行圆满（类似于传统迷信的部分） 文化底蕴（诗词歌赋，历史渊源） 读音朗朗上口 这个可以 pinyin 去判断 ，但是什么名字才会比较好呢？平仄吗？ 笔画 个人觉得笔画太多其实不是好事，小时候孩子不好写名字，别人也懒得写，记不住。挺尴尬。 比如司...
  2020-01-20 02:09:32 | NLP
• 名字，名称打分策略之三才五格
  1.天格 1）单姓，姓氏笔划+1，如“丁”姓，天格数理为2+1=3. 2）复姓，姓氏笔划数相加，如“司马”姓，司5+马10=15. 天格是由姓氏决定的，姓氏又是祖先传下来的，其数理对人影响不大。 例子 如司马光，司马是复姓，天格是5+10=15；李刚，李是单姓，天格是7+1=8。天格乃祖先留下来的，其数理对人影响不大。 2.人格 人格为人的主运，是整个姓名的中心点，可以推断人一...
  2020-01-20 02:09:32 | NLP